CC BY
37
СТАТИЧЕСКИЕ БАНКИ ЗНАНИЙ: ОРГАНИЗАЦИЯ, ФУНКЦИОНИРОВАНИЕ, ИНСТРУМЕНТАЛЬНОЕ ОБЕСПЕЧЕНИЕ, ПРИМЕНЕНИЕ
А.С. Миронов
Статические банки знаний (СБЗ) могут быть определены [1] как системы, реализующие запросно-ответное отношение между языком запросов Ьч и языком ответов Ьа путем поиска и логической обработки знаний о моделируемых в их базах знаний (БЗ) статических предметных областях (ПО).
Под запросно-ответным отношением (ОЛ-от-ношением) будем понимать, согласно [2], подмножество декартова произведения языка запросов Ьч и языка ответов Ьа (ОЛ с Ьч х Ьа), содержащее такие пары (д, а), д е Ьч , а е Ьа , что ответ а может быть выдан на запрос д.
Реализация этого отношения в СБЗ осуществляется путем обработки имеющихся в них знаний. Основными компонентами СБЗ являются механизм обработки знаний (МОЗ) и БЗ. Запросы, поступающие на вход СБЗ, анализируются с целью запуска на выполнение соответствующих процедур обработки знаний, составляющих МОЗ. В результате выполнения этих процедур над БЗ формируются выдаваемые пользователю ответы.
Основной проблемой, решаемой в процессе создания СБЗ, является проблема разработки формальных средств представления и обработки знаний, то есть разработки системы представления знаний. Класс ПО, на которые ориентированы СБЗ, может быть назван функциональными средами (ФС).
Система представления знаний используемая для представления и обработки знаний о таких ПО, как ФС, определяется соответствующими моделями представления и обработки знаний и может быть формально представлена следующим образом:
= < М^, МРЙ>, где МЯб - модель представления знаний; МРЙ - модель обработки знаний.
Модель представления знаний МК6, в свою очередь, может быть формально представлена так:
МЩ = < Е6, К&, РИМ^, где Е6 - конечное множество типов сущностей; К6 -конечное множество типов отношений на Е6; РНМ& - конечное множество типов фреймов, используемых для представления знаний о соответствующих сущностях.
Множество типов сущностей Е6 включает в себя объекты, состояния объектов, действия, выполнения действий (события) и процессы.
Множество типов отношений К6 включает в себя характеристики сущностей того или иного типа, а также связи между сущностями как одного, так и различных типов.
Модель обработки знаний МРЙ может быть определена как совокупность моделей обработки знаний, реализуемых специализированными процедурами МОЗ.
Представление знаний в СБЗ. Содержанием таких ПО, как ФС, являются знания об объектах и их состояниях, о выполнении действий над объектами, называемых событиями, а также о процессах, под которыми понимаются упорядоченные совокупности событий и/или других процессов, реализуемых в целях решения тех или иных задач (проблем).
Представляются знания о таких ПО с помощью специальных фреймов-прототипов, предназначенных для описания перечисленных выше сущностей.
Фрейм, используемый для описания сущностей того или иного типа, определяется совокупностью характеристик и отношений, присущих сущностям этого типа.
Фрейм, используемый для описания объектов ПО, определяется совокупностью характеристик объектов и отношений на их множестве. Основные слоты фрейма: определение, структура, часть, целое, экземпляр, подпонятие, надпонятие.
Фрейм, используемый для описания состояний объектов ПО, определяется совокупностью характеристик состояний объектов и отношений на их множестве. Основные слоты фрейма: определение, субъект, локализация, модификация.
Фрейм, используемый для описания действий ПО, определяется совокупностью характеристик действий и отношений на их множестве. Основные слоты: определение, подпонятие и надпонятие.
Фрейм, используемый для описания событий ПО, определяется совокупностью характеристик событий и отношений на их множестве. Основными слотами, входящими в данный фрейм, являются: определение, действие, объект, субъект, цель, условие, результат, подпонятие, надпонятие, причина, следствие, раньше, позже, одновременно, однотипно, разнотипно, эквивалентно, противоположно.
Фрейм-сценарий, используемый для описания процессов решения задач (или фрейм для описания задач (фрейм задач)), определяется совокупностью характеристик задач и отношений на множестве задач. Он включает в себя слот-определение и пронумерованные слоты редукции задачи к подзадачам. Нумерация этих слотов определяет последовательность, в которой подзадачи должны решаться для получения решения редуцируемой задачи.
Представление знаний о ПО в СБЗ осуществляется путем моделирования в их БЗ понятийных и проблемных компонентов ПО.
Набор фреймов-прототипов, используемых для описания объектов, их состояний, действий и событий, позволяет моделировать понятийные компоненты ПО в виде семантических сетей.
Использование прототипа фрейма-сценария позволяет описывать процессы (планы) решения задач
2
и моделировать проблемные компоненты ПО в виде древовидных сетей редукции. Вершины высшего иерархического уровня таких сетей соответствуют целевым задачам, решаемым в ПО. На более низких иерархических уровнях располагаются вершины, соответствующие промежуточным задачам, которые необходимо решить для получения решений целевых задач, а также вершины, соответствующие тривиальным задачам, решения которых известны и сводятся к упорядоченным совокупностям событий.
Для описания планов решения тех или иных семейств целевых задач ПО используются единые системы подзадач. Это позволяет в сочетании с возможностями преобразования планов решения одних подзадач в планы решения других, однотипных, весьма эффективно решать вопросы представления и обработки знаний о проблемных компонентах ПО.
Обработка знаний в СБЗ выполняется с целью формирования ответов на запросы; ответы формируются в результате: спецификации характеристик сущностей ПО; вычисления отношений на множестве сущностей ПО; планирования решения задач в ПО.
К первому виду запросов относятся запросы о значениях различных характеристик объектов и событий. Формирование ответов на такие запросы осуществляется с помощью процедуры спецификации путем поиска значений искомых характеристик во фреймах-экземплярах объектов и событий.
Ко второму виду запросов относятся запросы о сравнении событий, о связях между событиями, а также об анализе событий. Такие запросы предполагают вычисление на множестве событий и их субъектов причинно-следственных, временных и других отношений. Формирование ответов на запросы данного вида осуществляется посредством логического вывода на знаниях, реализуемого путем выполнения процедурально представляемых продукционных правил вида: АьА2,...,Ап^БьБ2,...,Бт. Здесь АЬЛ2,...ЛП - посылки; Б1,Б2,..,Бт - заключения.
Формирование ответов на запросы о сравнении событий осуществляется с помощью процедуры сравнения путем выполнения умозаключений по следующим правилам.
1. Если цель события Еь определяемая переходом некоторого объекта Ок из одного состояния в другое, идентична цели события Ег, то событие Е1 эквивалентно событию E2.
2. Если цель события E1 симметрична цели события E2 (то есть цель события E1 определяет переход некоторого объекта Ok из состояния Si в состояние Sj, а цель события E2 определяет переход того же объекта Ok из состояния Sj в состояние Si), то событие E1 противоположно событию E2.
3. Если действия F1, F2 и объекты O1, O2, событий E1 и E2 идентичны, то субъекты этих событий однотипны.
4. Если действия F1, F2 или объекты O1, O2 событий E1 и E2 различны, то субъекты этих событий разнотипны.
Формирование ответов на запросы о связях между событиями осуществляется с помощью процеду-
ры ассоциирования путем выполнения умозаключений по следующим правилам.
- Если результат события E1, определяемый состоянием Sk некоторого объекта, соответствует условию события E2, то событие E1 первично и всегда реализуется перед событием E2.
- Если условие события Еь определяемое состоянием Sk некоторого объекта, соответствует результату события E2, то событие E1 вторично и всегда реализуется после события E2.
Формирование ответов на запросы об анализе того или иного события осуществляется с помощью процедуры анализа путем выполнения умозаключений по следующим правилам.
• Если условие события Еь определяемое состоянием Sk некоторого объекта, соответствует результату события E2, то событие E2 должно обязательно предшествовать событию E1.
• Если результат события Еь определяемый состоянием Sk некоторого объекта, соответствует условию события Е2, то событие Е2 может следовать только после события E1.
К третьему виду запросов относятся запросы, требующие синтеза планов действий для решения тех или иных задач (то есть формирования упорядоченных совокупностей событий, обеспечивающих эти решения). Формирование ответов на запросы данного вида осуществляется посредством логического вывода на знаниях, реализуемого путем выполнения, определяемых с помощью экземпляров фреймов задач, редукционных правил вида: Р^РЬ Р2,..,Рп. Здесь P - задача; Р^РЬР2, . ,Рп - упорядоченная совокупность подзадач, к решению которых сводится решение задачи P.
Синтез плана действий для решения некоторой задачи осуществляется процедурой планирования путем редуцирования всех необходимых для этого подзадач вплоть до уровня элементарных, которым соответствуют упорядоченные совокупности событий. Выполняемые в ходе редуцирования преобразования планов решения одних подзадач в другие (если это предусматривается) реализуются путем выполнения трансформационных правил вида: C~>[C,]C1, С2,...,Ст. Здесь C - элемент плана решения задачи; СьС2,...,Ст - упорядоченная совокупность элементов, которыми дополняется или на которые заменяется элемент 0 (квадратные скобки указывают на отсутствие, в случае выполнения замены, заключенного в них выражения).
Для пояснения рассмотрим пример выполнения синтеза планов действий для решения задач Рь Р2, Р3, семейство которых может быть описано следующей системой правил: Р1^Р11,Р12,Р13, Р2^Р21,Р12,Р13, P3^P21>P12>P33, Рц^Е Р^Ез, Р^^Е Р21^Р11*{Е2~>Е2,Е„}, Рзз^Р1з*{Е4~>Е4,Е7}. Здесь маркер "*", фигурирующий в правых частях двух последних выражений, указывает на необходимость преобразования планов решения задач Р11 и Р13 путем выполнения трансформационных правил, которые определены в фигурных скобках.
Изобразим цепочки выводов, выполняемых в целях синтеза плана действий для решения задач:
3
• Р^ Р1^(Р11,Р12,Р1з)^(Е1,Е2,Р12,Р1з)^ ^(Е1,Е2,Ез,Р1з)^(Е1,Е2,Р1з,Е4,Е5);
• Р2: Р2^(Р21,Р12,Р1з)^(Рц*,Р12,Р1з)^ ^(Р11*,Ез,Р1з)^(Р11*,Ез,Е4,Е5)^(Е1,Е2,Е6,Ез,Е4,Е5);
• Рз: Рз^(Р21,Р12,Рзз)^(Рц*,Р12,Рзз)^ ^(Р11*,Ез,Рзз)^(Р11*,Ез,Р1з*)^(Е1,Е2,Е6,Ез,Р1з*)^
^(Е1,Е2,Е6,Ез,Е4,Е7,Е5)-
Элементы в заключительных выражениях цепочек выводов представляют собой упорядоченные совокупности событий, вошедшие в синтезированные планы.
Инструментальные средства, используемые для создания прикладных СБЗ (то есть для реализации приложений), представляют собой оболочку, компонентами которой являются:
- анализатор, выявляющий прагматику поступающих запросов и запускающий на выполнение соответствующие процедуры МОЗ;
- МОЗ, представляющий собой комплекс специализированных процедур обработки знаний;
- интерпретатор, обеспечивающий выдачу сформированных ответов в терминах пользователя;
- редактор, обеспечивающий формирование и коррекцию БЗ.
Статические банки знаний могут быть использованы в обучении в качестве учебных сред [3]. Организация изучения той или иной ПО с помощью СБЗ базируется на применении подхода, сущность которого состоит в том, что вся информация об изучаемой ПО "привязывается" к специально выделенным в ней "базовым" объектам (сущностям, определяющим содержание этой ПО).
О каждом из таких объектов в БЗ системы организуется необходимая информация, представляемая с помощью соответствующих фреймов-экземпляров.
В процессе изучения ПО пользователь имеет возможность обращаться к системе за этой (а также за логически выводимой из нее) информацией, для
чего он формулирует различные запросы относительно базовых объектов ПО, ответы на которые формируются системой в результате выполнения соответствующих процедур МОЗ.
Если этой ПО является, например, язык процедурного программирования, то на начальный момент его изучения пользователя, естественно, интересуют общие сведения о языке. Он в данном случае формулирует запросы, ответы на которые система выдает в результате поиска информации.
Далее пользователь начинает изучать операторы языка программирования. И здесь у него, как правило, кроме ознакомления с их характеристиками, появляется необходимость в сравнении операторов, выявлении связей между их выполнением, анализе их выполнения. Система по запросу пользователя выдает необходимую информацию в результате вычисления тех или иных отношений.
При переходе к изучению программ, которые могут быть использованы для решения определенных задач на ЭВМ, пользователь формулирует запросы о реализации той или иной программы на языке программирования. Ответы выдаются системой в результате планирования решения задач (синтеза текстов программ).
В заключение следует отметить, что СБЗ оснащены достаточно развитым пользовательским интерфейсом, позволяющим осуществлять взаимодействие с системой с помощью меню.
Список литературы
1. Миронов А.С. Статические банки знаний: организация, реализация и применение // Сб. тр. национальной конф. по искусствен. интеллекту с междунар. участ.: КИИ-2004. - Тверь. 2004. - Т2. - С.609 - 614.
2. Цаленко М.Ш. Моделирование семантики в базах данных. - М.: Наука, 1989. - 288с.
3. Петрушин В.А. Интеллектуальные обучающие системы: архитектура и методы реализации (обзор) // Изв. РАН. Техн. кибернетика. - 1993. - № 2. - С.164 - 189.
ГИБРИДНЫЙ НЕЙРОСЕТЕВОЙ АЛГОРИТМ ИДЕНТИФИКАЦИИ
СЛОЖНЫХ ОБЪЕКТОВ
A.A. Усков, Д.В. Санатин
Как известно, выделяют два основных вида ап-проксимационных моделей: параметрические и непараметрические (локально-параметрические) [1,2].
При параметрическом подходе вначале выбирается аппроксимирующая зависимость, затем на основе обучающей выборки адаптируются ее параметры. К параметрическим методам моделирования относятся полиномиальные нейронные сети (Б-П нейронные сети), многослойные персептроны [3,4] и др. Если правильно подобрана аппроксимирующая зависимость, то качество моделирования весьма высоко даже в случае небольшой или зашумленной обучающей выборки [1,2] и наоборот.
При непараметрическом подходе вначале выбирается тип аппроксимирующей зависимости, но в данном случае по экспериментальным данным строится большое количество указанных зависимостей, каждая из которых имеет свои параметры. К непараметрическим методам моделирования относятся метод М-ближайших узлов [1,2], нейронные сети с радиальными базисными элементами [3,4]. Достоинством непараметрических методов является отсутствие необходимости выбирать тип глобальной аппроксимирующей зависимости. Отклик модели в непараметрических методах определяется не всей, а лишь частью обучающей выборки, что делает такие моде-
4
